Umfassender Leitfaden für dynamisches Time Warping in Python

Dynamic Time Warping (DTW) ist eine bekannte Technik zur Bestimmung der Übereinstimmung zwischen zwei zeitlichen Sequenzen. DTW wurde in einer Vielzahl von Anwendungen eingesetzt und kann auf alle Daten angewendet werden, die als lineare Sequenz dargestellt werden können. Bestehende DTW-Bibliotheken haben veraltete Implementierungen des DTW-Kernalgorithmus, die zu einer geringen Leistung führen oder für große Sequenzen nicht anwendbar sind. Das Ziel dieses Buches ist es, ein detailliertes Konzept von DTW zusammen mit einer umfassenden DTW-Bibliothek zu präsentieren, die die Implementierung von DTW-Varianten mit kürzlich vorgeschlagenen effizienten Algorithmen enthält. Weiterführend habe ich in diesem Buch ein Python-Modul zur Berechnung und Visualisierung von DTW-Alignments vorgestellt: DTWPy. DTWPy verfügt über eine Implementierung der klassischen DTW und der kürzlich vorgeschlagenen leistungseffizienten Algorithmen fastDTW und DDTW. Die Korrektheit der Algorithmen wird durch einen Vergleich mit einer bestehenden R-Implementierung überprüft. Dieses Buch vermittelt den Lesern eine grundlegende Vorstellung davon, was DTW ist, und DTWPy bietet die umfassendste Implementierung von DTW-Algorithmen, die bisher in der Literatur zu finden ist, und ist auf große zeitliche Abfolgen anwendbar.